4-分子进化与系统发育分析

生物信息学第四章分子进化与系统发育分析TreeofLife重建所有生物的进化历史并以系统树的形式加以描述生物进化理论达尔文进化论：进化：变异的遗传自然选择：解释为何演变发生的机制种群中个体变异的遗传学基础：孟德尔遗传孟德尔豌豆实验：杂交的表现特征是基因表达的结果，而不是基因杂交遗传中性进化论：并非所有种群中保留下来的突变都由自然选择所形成；大多数突变是中性或接近中性，不妨碍种群的生存与繁衍。研究生物进化历史的途径1.最确凿证据是：生物化石！——零散、不完整2.比较形态学、比较解剖学和生理学等：确定大致的进化框架——细节存很多的争议分子进化1964年，LinusPauling提出分子进化理论；从物种的一些分子特性出发，从而了解物种之间的生物系统发生的关系。发生在分子层面的进化过程：DNA,RNA和蛋白质分子基本假设：核苷酸和氨基酸序列中含有生物进化历史的全部信息。分子进化的模式DNA突变的模式：替代，插入，缺失，倒位；核苷酸替代：转换(Transition)&颠换(Transversion)基因复制：多基因家族的产生以及伪基因的产生A.单个基因复制–重组或者逆转录B.染色体片断复制C.基因组复制DNA突变的模式替代插入缺失倒位核苷酸替代：转换&颠换转换：嘌呤被嘌呤替代，或者嘧啶被嘧啶替代颠换：嘌呤被嘧啶替代，或者嘧啶被嘌呤替代基因复制：单个基因复制重组逆转录基因复制：基因组复制酿酒酵母克鲁雄酵母研究结果：克鲁雄酵母中的同源基因数量与酿酒酵母相比为1：2物种分类及关系：从物种的一些分子特性出发，构建系统发育树，进而了解物种之间的生物系统发生的关系——treeoflife大分子功能与结构的分析：同一家族的大分子，具有相似的三级结构及生化功能，通过序列同源性分析，构建系统发育树，进行相关分析；功能预测进化速率分析：例如，HIV的高突变性；哪些位点易发生突变？分子进化研究的目的TreeofLife:16SrRNAOutofAfrica53个人的线粒体基因组(16,587bp)人类迁移的路线同源物定义Ortholog(直系同源物)：两个基因通过物种形成的事件而产生，或源于不同物种的最近的共同祖先的两个基因，或者两个物种中的同一基因，一般具有相同的功能。Paralog(旁系同源物)：两个基因在同一物种中，通过至少一次基因复制的事件而产生。常常具有不同功能。Xenolog(异系同源物)：由某一个基因水平转移事件而得到的同源序列。水平转移的基因功能主要根据在前后宿主中变化而确定，然而功能却常常相似。paralogsorthologs直系同源物vs.旁系同源物异源基因或水平转移基因xenologousorhorizontallytransferredgenes同源性与相似性相似性(Similarity)序列比对过程中用来描述检测序列和目标序列之间相似DNA碱基或氨基酸残基序列所占比例；定量描述；同源性(Homology)两个基因或蛋白质序列具有共同祖先的结论；定性判断；相似不一定同源,同源不一定相似。氨基酸序列相似性超过30%,很可能同源。序列同源性模型中的进化假设所有的生物都起源于同一个祖先；序列不是随机产生，而是在进化上，不断发生着演变；基本假设：序列保守性结构保守性注意：反之未必序列保守性结构保守性本章内容提要第一节，密码子偏好及分析第二节，氨基酸序列的进化演变第三节，分子系统发育分析第四节，分子系统发育分析软件介绍第一节，密码子偏好及分析密码子(codon):在随机或者无自然选择的情况下，各个密码子出现频率将大致相等;密码子偏好：各个物种中，编码同一氨基酸的不同同义密码子的频率非常不一致;可能的原因：密码子对应的同功tRNA丰度的不同-Anticodon标准密码子大肠杆菌RNA聚合酶大肠杆菌RNA聚合酶(2)密码子偏好非常明显；例如同为编码Leu的同义密码子CUA和CUG，二者出现的次数显著不等，CUA(1次)，CUG(141次)；再如：编码Arg的四个密码子CGU,CGC,CGA,CGG,出现次数分别为：89，46，1，0.提示：对应CGG的同功tRNA可能不存在！tRNA&Anticodon每一个密码子，对应一个tRNA；tRNA通过Anticodon来识别codon，联系mRNA和氨基酸序列的合成；密码子的使用偏好：由密码子对应的tRNA的进化及丰度来决定。碱基出现的频率1.假如：每个核苷酸位点上的替代是随机发生的，则A,T,C,G出现的频率应该大致相等。2.实际情况：DNA受到自然选择的压力，各个位点的碱基出现频率并不相等。3.需要解决的问题：A.每个位点上受到什么样的选择压力？B.各个位点的碱基频率反映了什么样的规律？4.表征/统计的方法：计算G+C的含量，并进行比较分子进化的理论自然选择理论：阳性选择：促进有益突变；定向选择：固定有益的等位基因；平衡选择：保持多态性；阴性选择（净化选择）：清除有害突变；中性理论：阳性选择：少有；阴性选择：普遍存在；中性进化：普遍存在；同义替代vs.非同义替代64个密码子，编码20个氨基酸GTTGTCGTAGTGCGTCGC脯氨酸P组氨酸H四倍简并二倍简并TGGTGC色氨酸W半胱氨酸C同义替代非同义替代基因的编码区和非编码区基因的DNA由编码区（Codingregion）和非编码区（Non-codingregion）构成；编码区可以转录信使RNA，进而调控蛋白质的合成；非编码区不能转录成信使RNA，但是它可以调控遗传信息的表达；原核基因：编码区全部编码蛋白质；真核基因：编码区分为外显子和内含子,只有外显子能编码蛋白质；分子进化选择压力进化选择压力：A.编码区：阳性选择1%；阴性选择19%；中性进化80%；B.非编码区：~100%的中性进化中性进化：同义突变，约占核苷酸置换总数的四分之一；非编码区DNA序列的突变对蛋白质的合成很少有影响。编码区：密码子1.对于同义的密码子，第一位少部分可以允许不同，例如，编码Ser的六个密码子：TCT,TCC,TCA,TCG,AGT,AGC2.第二位必须相同3.第三位绝大多数可以不同近似随机；4.因此：A.第一位：阴性进化占大部分，中性进化占小部分B.第二位：阴性进化C.第三位：阴性进化占小部分，中性进化占大部分密码子偏好的应用及计算基本假设：在高表达的基因中，密码子的选择，更倾向于使用“优化”的同义密码子推论1：给定一个物种的一些高表达的基因，我们可以估算优化的同义密码子的分布推论2：接着，我们可以对给定的一个未知基因的序列进行密码子分布的分析，预测该基因的表达量！推论3：对于一个表达量很低的基因，我们是否能够通过将少量的密码子改变成优化密码子，从而显著提高基因的表达量？RSCU相对同义密码子使用度(relativesynonymouscodonusage,RSCU)定义：观测到的某一同一密码子的使用次数，除以“期望”的该密码子出现次数injijiijijXnXRSCU11编码第i个氨基酸的第j个密码子的出现次数编码第i氨基酸的同义密码子的数目编码第i个氨基酸的第j个密码子的RSCU值密码子相对适应度TherelativeadaptivenessofacodonmaxmaxiijiijijXXRSCURSCUw编码第i个氨基酸的第j个同义密码子的“相对适应性”:即该同义密码子的观察值，除以编码该氨基酸的同义密码子的最大值大肠杆菌&酵母CAI：密码子适应指数CodonAdaptationIndexLLkkwCAI1L为基因中所使用的密码子数CAI值介于0~1之间,该值越大表示偏性越强;CAI值一般用来预测种内基因的表达水平，以及预测外源基因的表达水平。不同物种CAI的计算依赖于各自的参考数据集。大肠杆菌和酵母：部分基因的CAI异源基因：在其他物种中的CAI第二节，氨基酸序列的进化演变分子进化的分析：基于氨基酸序列的分析早于DNA序列优势：氨基酸序列更为保守，对年代跨度大的进化分析有帮助；数学模型较DNA远为简单p距离：p-distance泊松校正，d距离P-distance两条蛋白质序列之间的氨基酸差异数为nd,序列的氨基酸数目均为n，则P距离：nnpd不同物种的血红蛋白α链中差异氨基酸的数目及比例：（长度：140aa）所有的插入/缺失均删除PC：泊松校正序列差异的百分比(p)与分歧时间t的关系：t较短的时候，回复突变较少，两者大致成线性关系；当t较大时，回复突变增多，二者成非线性关系基本假设：令r为某一位点每年的氨基酸替代率，并假设所有位点的r都相同在时间t年之后，每个位点替代的平均数为：rt给定一个位点，氨基酸替代数k(k=0,1,2,3,…)的可能性遵循泊松分布，即因此，某一位点氨基酸不变的概率为!)();(krtetkPkrtrtetP);0(泊松距离祖先序列未知：不知道当前的序列从何演化而来解决方案：对两条已经有t年分化的序列，一条序列某位点无替代的概率为：，两条序列同源位点均无替代概率为：此概率可用1-p估计：q=1-p;两个序列间每个位点氨基酸替代总数（d=2rt）：d=-ln(1-p)，即泊松距离rtertrteeq22)()1ln()1ln(1pdpdepdP-距离vs.泊松距离第三节，分子系统发育分析1.系统发育树：分子进化树/分子进化分析2.通过进化树的构建，分析分子之间的起源关系，预测分子的功能。3.建树方法：A.最大简约法(MaximumParsimony)B.距离法(distance-basedmethods)C.最大似然性法(MaximumLikelihood)D.贝叶斯（Bayesian）推断祖先节点/树根内部节点/分歧点，该分支可能的祖先结点分支/世系末端节点ABCDE代表最终分类，可以是物种，群体，或者蛋白质、DNA、RNA分子等系统发育树:术语TaxonATaxonBTaxonCTaxonD116遗传变化TaxonATaxonBTaxonCTaxonD时间TaxonATaxonBTaxonCTaxonD无意义分支图进化树时间度量树以上三种类型的系统发育树表示相同的分支状况，相同的进化关系系统发育树：三种类型遗传变化无意义时间遗传变化无意义以上三种类型的系统发育树表示相同的分支状况，相同的进化关系时间遗传变化无意义以上三种类型的系统发育树表示相同的分支状况，相同的进化关系时间遗传变化无意义分支图进化树时间度量树树只代表分支的拓扑结构ABCDEFGFGCDEAB通过外类群来确定树根根bacteriaoutgroupeukaryoteeukaryoteeukaryoteeukaryotearchaeaarchaeaarchaea有根树外类群无根树，有根树，外类群通过外类群来确定树根有根树外类群通过外类群来确定树根有根树外类群通过外类群来确定树根有根树eukaryoteeukaryoteeukaryoteeukaryotearchaeaarchaeaarchaea无根树无根树和有根树：潜在的数目#Taxa无根树有根树31343155151056105945794510,395…30~3.58X1036~2.04X1038Taxa增多，计算量急剧增加，因此，目前算法都为优化算法，不能保证最优解多序列比对（自动比对，手工校正）选择建树方法以及替代模型建立进化树进化树评估系统发育树重建分析步骤1.最大简约法(maximumparsimony,MP)适用序列有很高相似性时2.距离法(distance)适用序列有较高相似性时3.最大似然法(maximumlikelihood,ML)可用于任何相关序列集合计算速度：距离法最大简约法最大似然法系统发育树重建的基本方法1.最大简约法(MP)根据信息位点提供的各序列间的替换情况